การถดถอยองค์ประกอบหลัก (Principal Components Regression - PCR)
การถดถอยองค์ประกอบหลักจะบีบอัดชุดของตัวทำนายที่มีความสัมพันธ์กันให้เป็นองค์ประกอบหลักเพียงไม่กี่ตัวก่อน ซึ่งก็คือทิศทางที่มีความแปรปรวนสูงสุด จากนั้นจึงทำการถดถอยการตอบสนองบนองค์ประกอบเหล่านั้น การตัดทิศทางที่มีความแปรปรวนต่ำออกไปจะช่วยให้การประมาณค่ามีความเสถียรเมื่อเผชิญกับภาวะสหสัมพันธ์พหุ (multicollinearity) และมิติสูง โดยมีข้อเสียคือการเลือกองค์ประกอบโดยไม่คำนึงถึงการตอบสนอง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Jolliffe, I. T. (1982). A note on the use of principal components in regression. Journal of the Royal Statistical Society: Series C (Applied Statistics), 31(3), 300–303. DOI: 10.2307/2348005 ↗
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer. ISBN: 978-0-387-84857-0
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Principal Components Regression (PCR). ScholarGate. https://scholargate.app/th/machine-learning/principal-components-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การถดถอยเชิงเส้นพหุสถิติศาสตร์↔ compare
- การถดถอยกำลังสองน้อยที่สุดบางส่วน (Partial Least Squares Regression - PLS)การเรียนรู้ของเครื่อง↔ compare
- Ridge Regressionการเรียนรู้ของเครื่อง↔ compare